دفاعیه کارشناسی ارشد (صنایع) پیش‌بینی بورس با روش‌های یادگیری ماشین، یادگیری ژرف و روش اقتصادسنجی و مقایسه آنها

 | تاریخ ارسال: 1400/11/24 | 
دانشجو: خانم شهربانو باقری
استاد راهنما: دکتر حمیدرضا ایزدبخش
زمان: پنجشنبه ۲۸ بهمن ماه ۱۴۰۰ ساعت: ۰۸:۰۰ 

لینک ورود به جلسه
چکیده
بورس مکانی برای جذب سرمایههای سرگردان و استفاده از آنها برای رشد شرکت‌ها و در سطح کلان، رشد اقتصادی است. پیش‌بینی قیمت‌ سهام همواره به عنوان یکی از مسائل مهم فعالان بازار برای کسب بازدهی بیشتر مطرح است. در این مسیر، مدل‌ها و روش‌هایی که دقت بالاتری برای پیش‌بینی ارائه می‌دهند جهت استفاده‌ی کاربردی مطرح می‌شوند. با توجه به اهمیت بورس و پیچیدگی های موجود آن، این مطالعه با استفاده از الگوریتم‌های یادگیری ماشین، الگوریتم یادگیری ژرف و روش اقتصادسنجی به پیش‌بینی قیمت شاخص بورس می‌پردازد. الگوریتم هایی منتخب برای روش‌های اقتصادسنجی شامل خودرگرسیون برداری، الگوریتم‌های منتخب یادگیری ماشین شامل الگوریتم RBF، الگوریتم ANN،  رگرسیون خطی، الگوریتم KSVAR و الگوریتم منتخب یادگیری ژرف شامل الگوریتم CNN است. نتایج این مطالعه نشان می‌دهد در بین الگوریتم‌های مختلف عملکرد مدل خودرگرسیون برداری VAR بهتر از بقیه مدل‌ها است. بعد از این دو الگوریتم، عملکرد الگوریتم  RBF و الگوریتم ANN تقریبا یکسان است و عملکرد الگوریتم KSVAR و رگرسیون خطی با اختلافی در رتبه‌های بعدی و بدترین عملکرد را الگوریتم CNN داراست. بر این اساس می‌توان بیان نمود که مطلوبترین مدل در بین الگوریتم های منتخب خودرگرسیون‌برداری، الگوریتم RBF، الگوریتم ANN برای پیش‌بینی بلندمدت شاخص بورس است. باتوجه به این الگوریتم­ها کارا میتوان پیش‏بینی و تحلیل درستی از آینده قیمت بورس به منظور دستیابی به امنیت در سرمایه گذاری  صورت گیرد.




CAPTCHA

دفعات مشاهده: 248 بار   |   دفعات چاپ: 18 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر